«Моделирование и прогнозирование учетной цены платины с учетом волатильности»

В последнее время Россия пережила как минимум три значительных кризиса (2008 г. – мировой финансовый. 2014 г. – падение цен ан нефть, 2020 г. – пандемия коронавируса).

Современная экономика характеризуется значительными колебаниями, что делает проблему прогноза в развитии компании основной. Необходимо своевременно угадывать возможные колебания цен, чтобы успеть включить необходимые инструменты сглаживания возможных убытков. Теория прогнозирования развивается, а работы по данной теме всегда востребованы, актуальны и практически значимы. Объектом работы является учетная цена на платину, устанавливаемая Центральным Банком России. Предмет работы – использование моделей авторегрессии для прогноза учетной цены на платину. Цель работы: выявление закономерности и изменения учетной цены платины и построение прогноза указанного показателя с учетом его волатильности. Задачи данного исследования: 1) Собрать и проанализировать данные об учетной цене на платину за пятилетний период с 30 марта 2016 года по 30 марта 2021 года; 2) Обработать данные для возможности их использования в прогнозных моделях; 3) Построить модели, которые достаточно точно смогут описать поведение исследуемого процесса; 4) Оценить прогнозные значения учетной цены для платины на оперативный, среднесрочный и долгосрочный периоды. Данная курсовая работа включает в себя: - анализ исходных данных, их обработку, выявление характера тенденции, определение закона распределения, анализ выборочной и частной автокорреляционной функции; - исследование ряда на стационарность, приведение ряда к стационарному виду в случае его нестационарности; - построение моделей типа ARIMA, а также моделей с лаговыми зависимыми переменными, проверка по критериям качества, составление прогнозов. Данная курсовая работа состоит из оглавления, введения, трех глав (построение оперативного, краткосрочного, среднесрочного прогноза), заключения, списка литературы, приложений с исходными данными. Для проведения вычислений, тестов, проверок гипотез, построения графиков и моделей были использованы статистические возможности программы MS Excell. 

модель учетной цены на платину в условиях волатильности. Для анализа использовались данные ЦБ РФ. Сам работа выполнена в несколько этапов. На первом шаге были восстановлены отсутствующие данные. Для этих целей был применен метод линейной интерполяции. Полученная выборка по дням (700 значений) была исследована на колебания. Проведенный анализ выявил значительные флуктуации в марте 2020 и феврале 2021 года. Для сглаживания ряда был применен метод логарифмирования. Недостатком логарифма данных было наличие тренда, который не давал применять авторегресионные модели для прогноза из-за нестационарности выборки. С целью уйти от тренда был применен метод первой разности, который сделал данные стационарными. Для тестирования на стационарность ряда были применены непараметрические тесты Манна-Уитни (на стабильность среднего значения по ряду), Сиджела-Тьюкки (для проверки гипотезы о стабильности дисперсии). Наличие стационарного временного ряда позволило применить авторегрессионную модель. С учетом автокорреляции между переменными в ряде с лагом 2 был сделан прогноз на учетную цену платины в краткосрочной перспективе. Прогнозная модель отражает наличие лага 2 между значениями цен LN(x_0/x_(-1) )=0,17*LN(x_(-2)/x_(-3) ). Особенностью построения прогноза в среднесрочной перспективе можно считать применение фиктивных переменных, которые позволили построить ломаную модель, с учетом особенностей динамики цен в периоде. В среднесрочной перспективе цена на основании анализа определяется трендом модели и значением учетных цен с лагом 1 и 2. Оценка статистической значимости модели была сделана с помощью тестов Стьюдента (для оценки равенства среднего ошибок прогноза нулю) и Фишера (для оценки значимости дисперсий ошибок прогноза). Итоговая модель для среднесрочной перспективы LN(xt) = -2,88*?2*t + 6,09*?3*t2 + 1,58*?1+ 1,38*?3+ 1,63*?2+ 0,97*LN(xt-1)-0,18* LN(xt-2). В долгосрочной перспективе использовались данные за 5 лет. Вся выборка была приведена средним значением по месяцам (простая средняя). Использование логарифмирования и фиктивных переменных позволила предложить модель вида LN(xt) = 5,8*?1+ 6*?2+ 10,1*?3 -0,02*?2t + 0,002*?3t2-0,18*?3t + 0,23* LN(xt-1). Построенные модели позволили выявить закономерности изменения учетной цены платины с учетом волатильности.

1. Артамонов Н. В. Введение в эконометрику. Курс лекций – М.: МГИМО, 2019. – 204 с. 2. Введение в эконометрику: Учебник/ под редакцией Яновского Л.П., А.Г. Буховеца. – М.: КНОРУС,2017. – 256 с. 3. Воскобойников Ю. Е. Эконометрика в Excel: учеб. пособие. Ч. 2. Анализ временных рядов: Новосиб. гос. архитектур.-строит. ун-т. – Новосибирск: НГАСУ (Сибстрин). 2018. – 152 с. 4. Елисеева И.И. Эконометрика: учебник для магистров; под ред. И. И. Елисеевой. — М.: Издательство Юрайт, 2014. – 453 с. 5. Елисеева И. И. Эконометрика: Учебник под ред. И. И. Елисеевой. – М.: Финансы и статистика, 2003. – 344 с. 6. Елисеева, И.И. Общая теория статистики: учебное пособие / И.И. Елисеева, М.М. Юзбашев; под ред. И.И. Елисеевой, 4-е изд. перераб. и доп. – М.: Финансы и статистика, 2003. – 480 с. 7. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учебник. — 7-е изд., испр. - М.: Дело, 2005. – 504 с 8. Официальный сайт котировок акций investing.com [Электронный ресурс]. – Ресурс доступа: https://www.ru.investing.com/ (дата обращения: 10.05.2021) 9. Официальный сайт ПАО «Роснефть» [Электронный ресурс] – Ресурс доступа: https://www.rosneft.ru/ (дата обращения: 10.05.2021) 10. Официальный сайт StatSoft [Электронный ресурс] – Ресурс доступа: http://statsoft.ru/ (дата обращения: 23.05.2021) 11. Практикум по эконометрике: Учебник / под редакцией И.И. Елисеевой. – М.: Финансы и статистика, 2008. –344 с. 12. Свободная энциклопедия Википедия [Электронный ресурс] – Ресурс доступа: http://ru.wikipedia.org. - (дата обращения: 05.06.2021) 13. Тихомиров Н. П., Дорохина Е. Ю. Эконометрика: Учебник – М.: Издательство «Экзамен», 2003. – 512 с. 14. Тихомиров Н.П., Тихомирова Т.М., Ушмаев О.С. Методы эконометрики и многомерного статистического анализа. – М.: Экономика, 2011. – 647 с. 15. Чураков, Е.П. Прогнозирование экономических временных рядов / Е.П. Чураков. - М.: Финансы и статистика, 2013. – 208 c.